摘要:随着我国资本市场市场化改革持续深化,实体企业投资扩张行为愈发频繁,投资规模成为影响企业经营发展与绩效提升的核心因素。但资本市场信息不对称、信贷配给等问题导致企业普遍面临不同程度的融资约束,制约了投资行为的有效性与绩效转化效率。本文以2019-2023年沪深A股非金融类上市公司为研究样本,以融资约束为中介变量,构建中介效应模型,实证检验投资规模对企业绩效的直接影响,以及融资约束在二者关系中的中介传导机制。研究发现:企业投资规模对绩效存在显著正向促进作用;投资规模能够显著缓解企业融资约束压力;融资约束在投资规模与企业绩效之间发挥部分中介作用,即投资规模可通过降低融资约束程度间接提升企业绩效。本研究丰富了企业投资、融资约束与绩效的传导机制研究,为实体企业优化投资布局、缓解融资困境、提升经营绩效提供实证依据与实践参考。
关键词:投资规模;融资约束;企业绩效;中介效应;上市公司
一、引言
近年来,我国实体经济稳步转型升级,资本市场服务实体的能力持续增强,企业固定资产投资、项目扩张、技术研发投资等各类投资行为日趋常态化。投资作为企业资源配置的核心方式,是企业扩大生产规模、提升核心竞争力、实现绩效增长的关键路径,合理的投资规模能够优化企业资产结构、拓宽盈利渠道,推动企业持续稳健发展。据《中国上市公司发展报告(2024)》数据显示,2019-2023年沪深A股上市公司年均固定资产投资总额超12万亿元,实体企业投资扩张意愿持续增强,但不同企业投资效率与绩效转化效果呈现显著差异化特征。
在我国金融市场体系尚未完全成熟的背景下,信息不对称、融资成本偏高、信贷资源配置不均等问题普遍存在,绝大多数实体企业均面临不同程度的融资约束。融资约束会限制企业资金流动性,导致优质投资项目因资金短缺被迫搁置,同时加剧企业经营不确定性,抑制绩效提升。现有研究表明,企业投资行为与融资约束存在深度关联,投资规模的扩张能够向资本市场传递企业经营向好、发展潜力充足的积极信号,有效降低外部融资难度、缓解融资约束压力,而融资约束的改善又会反向赋能企业绩效提升。
目前学术界关于投资规模与企业绩效、融资约束与企业绩效的单一关系研究已较为丰富,但多数研究聚焦于直接影响效应,较少将三者纳入同一研究框架,从融资约束中介视角剖析投资规模影响企业绩效的内在传导机制,对于“投资规模—融资约束—企业绩效”的链式作用路径缺乏系统性实证检验。在企业普遍面临融资困境、投资提质增效的发展背景下,厘清三者的内在关联与作用机理,具有重要的理论与现实意义。
基于此,本文以2019-2023年沪深A股非金融类上市公司为研究样本,构建中介效应检验模型,系统探究投资规模对企业绩效的直接影响,验证融资约束的中介传导作用,揭示投资规模影响企业绩效的内在逻辑,以期为企业优化投资决策、破解融资难题、提升经营绩效提供理论支撑与实践路径。
二、文献回顾
(一)投资规模与企业绩效相关研究
投资规模是指企业在一定时期内各类资本投资的总体规模,是企业资源配置战略的核心体现。现有学术界关于投资规模与企业绩效的研究主要形成两类主流观点。第一类观点认为投资规模正向影响企业绩效,合理的投资扩张能够助力企业扩大生产边界、优化产能结构、引入先进技术与设备,提升企业生产效率与市场竞争力,进而推动营业收入、净利润等绩效指标稳步增长。李春霞(2018)研究指出,企业适度的资本投资扩张能够优化资源配置效率,显著提升企业经营绩效,且这种提升效应在实体制造业企业中更为显著[1]。第二类观点认为过度投资会抑制企业绩效增长,部分企业存在盲目扩张、非效率投资行为,导致资金闲置、产能过剩、资产负债率过高,增加企业经营风险,最终拖累绩效水平[2]。
总体来看,现有研究已证实投资规模与企业绩效存在显著关联性,但多数研究仅关注二者直接线性关系,未深入挖掘二者之间的中介传导路径,对投资规模影响企业绩效的内在机制研究仍存在补充空间。
(二)投资规模与融资约束相关研究
融资约束源于资本市场信息不对称,是企业外部融资成本高于内部融资成本、融资渠道受限的市场现象。关于投资规模与融资约束的关系,学者们普遍认为二者存在显著负向关联。企业投资规模的有序扩张,代表企业具备充足的发展动力、稳定的经营现金流和良好的市场发展预期,能够向金融机构、投资者传递积极信号,降低投融资双方的信息不对称程度,减少外部融资壁垒,有效缓解融资约束[3]。
同时,企业投资形成的固定资产、无形资产等优质资产,可作为融资抵押物,提升企业信用评级与融资能力,进一步降低融资成本、拓宽融资渠道。张璇等(2022)研究发现,企业有效投资扩张能够显著缓解融资约束,且投资效率越高,融资约束缓解效果越明显[4]。但现有研究多聚焦于二者的直接影响,未进一步延伸至企业绩效层面,缺乏链式传导机制的实证研究。
(三)融资约束与企业绩效相关研究
融资约束是制约企业绩效提升的重要因素,学界主流研究一致认为融资约束对企业绩效存在显著抑制作用。高强度的融资约束会导致企业资金流动性不足,无法支撑优质项目投资、技术创新与产能升级,限制企业生产经营扩张;同时,融资约束会增加企业融资成本与经营压力,提升财务风险,显著抑制企业盈利水平与绩效增长[5]。
部分学者进一步研究发现,融资约束在企业各类经济活动与绩效的关系中承担重要中介角色,能够承接核心变量的影响效应,形成“核心变量—融资约束—企业绩效”的传导路径[6]。但目前尚无研究将融资约束作为中介变量,系统验证投资规模对企业绩效的传导机制,这也是本文的核心研究切入点。
三、研究假设与研究模型
(一)研究假设
1. 投资规模与企业绩效的直接假设
企业投资是扩大生产经营、优化资源配置、提升核心竞争力的核心手段。适度的投资规模扩张,能够帮助企业更新生产设备、扩大市场份额、推进技术升级,提升生产经营效率与盈利水平,直接推动企业绩效提升。同时,稳定的投资规模能够优化企业资产结构,增强企业抗风险能力,保障企业长期稳定发展。据此,本文提出假设:
H1:企业投资规模对企业绩效具有显著正向促进作用。
2. 投资规模与融资约束的假设
资本市场信息不对称是融资约束产生的核心诱因。企业持续有序的投资规模扩张,能够直观体现企业经营状态良好、发展前景广阔、现金流稳定,有效降低金融机构与企业之间的信息壁垒,提升外部投资者与金融机构的投资信心。同时,投资形成的实体资产可增强企业抵押融资能力,降低外部融资成本,缓解融资约束压力。据此,本文提出假设:
H2:企业投资规模对融资约束具有显著负向抑制作用,即投资规模扩张能够缓解企业融资约束。
3. 融资约束的中介效应假设
结合前文理论分析,投资规模不仅能够直接影响企业绩效,还可通过融资约束形成间接传导路径:投资规模扩张→缓解融资约束→降低企业经营与融资压力→优化资源配置→提升企业绩效。融资约束作为企业经营的重要制约因素,在投资规模与企业绩效之间承担桥梁传导作用。据此,本文提出假设:
H3:融资约束在投资规模与企业绩效之间发挥部分中介作用。
(二)研究模型
本文借鉴温忠麟中介效应检验程序,构建三步回归模型,依次检验直接效应、中介变量效应与整体中介效应,具体模型如下:
模型1(直接效应):$$ROA_{it}=_x0007_lpha_0+_x0007_lpha_1 INV_{it}+sum Control_{it}+
arepsilon_{it}$$
模型2(中介变量回归):$$SA_{it}=eta_0+eta_1 INV_{it}+sum Control_{it}+
arepsilon_{it}$$
模型3(中介效应整体回归):$$ROA_{it}=gamma_0+gamma_1 INV_{it}+gamma_2 SA_{it}+sum Control_{it}+
arepsilon_{it}$$
其中:$$ROA_{it}$$为企业绩效,选取总资产收益率衡量;$$INV_{it}$$为投资规模;$$SA_{it}$$为融资约束(SA指数);$$Control_{it}$$为一系列控制变量;$$_x0007_lpha、eta、gamma$$为回归系数;$$
arepsilon_{it}$$为随机扰动项;i为企业个体,t为年份。
(三)变量定义
1. 被解释变量:企业绩效(ROA)
参考主流实证研究,选取总资产收益率(ROA)衡量企业绩效,该指标能够客观反映企业整体资产的盈利效率与经营绩效,数值越高代表企业绩效水平越高。
2. 核心解释变量:投资规模(INV)
采用企业年度固定资产、无形资产、在建工程净增加额占期末总资产的比重衡量投资规模,该指标能够全面反映企业年度整体资本投资扩张水平。
3. 中介变量:融资约束(SA)
借鉴Hadlock&Pierce的研究,采用SA指数衡量融资约束,计算公式:$$SA=-0.737 imes Size+0.043 imes Size^2-0.04 imes Age$$,SA指数绝对值越大,代表企业融资约束程度越高。
4. 控制变量
为排除其他因素干扰,本文选取企业规模(Size)、企业年龄(Age)、资产负债率(Lev)、营业收入增长率(Growth)、现金流水平(Cash)、股权集中度(Top1)作为控制变量,同时控制年度固定效应与行业固定效应。
四、研究设计
(一)研究样本与数据来源
本文选取2019-2023年沪深A股上市公司为初始研究样本,为保证数据有效性与研究可靠性,对样本进行如下筛选:(1)剔除金融类、保险类上市公司,此类企业经营模式与实体企业差异较大;(2)剔除ST、*ST及退市企业,此类企业经营异常、数据失真;(3)剔除关键变量数据缺失的样本;(4)对所有连续变量进行1%和99%分位的缩尾处理,规避极端值干扰。最终得到有效观测样本11286个。本文所有研究数据均来源于国泰安CSMAR数据库,数据处理与实证分析采用Stata17.0软件完成。
(二)描述性统计
本文对所有核心变量与控制变量进行描述性统计,包括样本量、均值、标准差、最小值、最大值,结果如表1所示,能够直观反映样本数据的整体分布特征。
变量 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |
ROA | 11286 | 0.038 | 0.062 | -0.215 | 0.198 |
INV | 11286 | 0.056 | 0.071 | -0.082 | 0.326 |
SA | 11286 | -3.862 | 0.295 | -4.528 | -2.916 |
Size | 11286 | 22.856 | 1.362 | 20.125 | 26.789 |
Age | 11286 | 18.652 | 5.896 | 4.000 | 35.000 |
Lev | 11286 | 0.428 | 0.196 | 0.052 | 0.895 |
Growth | 11286 | 0.125 | 0.286 | -0.452 | 1.256 |
Cash | 11286 | 0.086 | 0.092 | -0.156 | 0.385 |
Top1 | 11286 | 0.342 | 0.148 | 0.085 | 0.762 |
由表1可知,企业绩效(ROA)均值为0.038,标准差为0.062,说明样本企业整体盈利水平适中,企业间绩效差异较小;投资规模(INV)均值为0.056,表明样本企业年度投资扩张规模整体平稳,部分企业存在投资收缩现象;融资约束(SA)均值为-3.862,数值分布符合国内上市公司融资约束特征,企业间融资约束程度存在明显差异,为后续实证检验提供了良好的数据基础。
(三)相关性分析
为检验变量间的初步关联关系,规避多重共线性问题,本文对所有变量进行Pearson相关性检验,结果如表2所示。
变量 | ROA | INV | SA | Size | Lev | Growth |
ROA | 1.000 | |||||
INV | 0.216*** | 1.000 | ||||
SA | -0.185*** | -0.242*** | 1.000 | |||
Size | 0.092*** | 0.156*** | -0.628*** | 1.000 | ||
Lev | -0.265*** | 0.083*** | 0.312*** | 0.425*** | 1.000 | |
Growth | 0.328*** | 0.205*** | -0.126*** | 0.068** | -0.152*** | 1.000 |
注:***p<0.01,**p<0.05,*p<0.1,下同
由表2可知,投资规模(INV)与企业绩效(ROA)在1%水平上显著正相关,初步验证H1,即投资规模扩张能够提升企业绩效;投资规模(INV)与融资约束(SA)在1%水平上显著负相关,初步验证H2,即投资规模扩张可缓解融资约束;融资约束(SA)与企业绩效(ROA)在1%水平上显著负相关,说明融资约束越低,企业绩效越好,符合理论预期。同时,各变量相关系数绝对值均小于0.7,不存在严重多重共线性问题,数据可用于后续回归分析。
五、实证结果与分析
(一)中介效应回归结果
本文按照三步中介检验模型进行回归分析,依次检验直接效应、中介变量效应与整体中介效应,回归结果如表3所示。
变量 | 模型1(ROA) | 模型2(SA) | 模型3(ROA) |
INV | 0.182***(15.26) | -0.215***(-18.32) | 0.136***(11.58) |
SA | - | - | -0.214***(-16.85) |
Size | 0.025***(8.62) | -0.326***(-22.15) | 0.018***(6.95) |
Age | 0.003**(2.45) | -0.012***(-7.86) | 0.002**(2.12) |
Lev | -0.085***(-12.36) | 0.152***(10.68) | -0.062***(-9.85) |
Growth | 0.126***(18.95) | -0.085***(-9.62) | 0.105***(16.32) |
Cash | 0.098***(10.25) | -0.068***(-8.12) | 0.082***(9.36) |
Top1 | 0.052***(7.68) | -0.045***(-6.25) | 0.041***(6.12) |
年度/行业固定效应 | 控制 | 控制 | 控制 |
_cons | 0.125***(9.86) | -2.156***(-25.32) | 0.098***(8.56) |
R² | 0.286 | 0.352 | 0.395 |
N | 11286 | 11286 | 11286 |
1. 直接效应分析
模型1回归结果显示,投资规模(INV)的回归系数为0.182,在1%水平上显著为正,说明企业投资规模的有序扩张能够显著提升企业绩效,H1成立。企业通过合理的投资扩张,优化产能结构、扩大市场规模、提升生产效率,有效增强盈利能力,推动绩效稳步增长,符合实体企业经营发展逻辑。
2. 中介变量效应分析
模型2回归结果显示,投资规模(INV)的回归系数为-0.215,在1%水平上显著为负,说明投资规模扩张能够显著降低SA指数,有效缓解企业融资约束,H2成立。企业持续的投资扩张向资本市场传递了积极经营信号,降低了信息不对称程度,提升了企业融资能力,减少了融资约束压力。
3. 中介效应整体分析
模型3同时纳入投资规模与融资约束变量,结果显示:投资规模系数为0.136(1%显著为正),融资约束系数为-0.214(1%显著为负)。相较于模型1,纳入中介变量后投资规模的系数有所下降,但仍显著,说明融资约束在投资规模与企业绩效之间发挥部分中介作用,H3成立。即投资规模不仅可以直接提升企业绩效,还能通过缓解融资约束、降低企业资金压力、优化资源配置的间接路径提升企业绩效,链式传导机制成立。
(二)稳健性检验
为验证实证结果的可靠性,本文采用替换核心变量衡量方式的方法进行稳健性检验。将被解释变量企业绩效替换为净资产收益率(ROE),重新进行三步中介效应回归,稳健性检验结果如表4所示。
变量 | 模型1(ROE) | 模型2(SA) | 模型3(ROE) |
INV | 0.205***(14.89) | -0.215***(-18.32) | 0.152***(10.96) |
SA | - | - | -0.236***(-17.25) |
控制变量 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 |
R² | 0.278 | 0.352 | 0.389 |
N | 11286 | 11286 | 11286 |
由表4可知,替换被解释变量后,核心变量的回归系数符号、显著性与前文基准回归完全一致,中介效应依然成立,说明本文的实证研究结果稳健可靠,研究结论不受变量衡量方式的影响。
六、研究讨论与启示
(一)研究结论讨论
本文基于2019-2023年A股上市公司数据,从融资约束中介视角实证检验了投资规模对企业绩效的影响机制,主要得出以下结论:
1. 企业投资规模对绩效存在显著正向直接影响。合理的投资扩张是企业绩效增长的核心驱动力,企业通过资本投资优化生产经营体系、提升核心竞争力,能够直接推动盈利水平提升。盲目收缩投资会导致企业产能滞后、市场竞争力下降,抑制绩效增长。
2. 投资规模能够显著缓解企业融资约束。持续稳定的投资行为是企业经营向好的重要信号,能够有效降低资本市场信息不对称,提升企业信用水平与融资能力,破解资金融通难题,改善企业融资环境。
3. 融资约束发挥显著部分中介作用。投资规模不仅直接赋能企业绩效,还可通过缓解融资约束、盘活企业资金流动性、优化资源配置效率的间接路径提升企业绩效,证实了“投资规模—融资约束—企业绩效”的内在传导机制。
(二)理论贡献
1. 丰富了企业投资与绩效的影响机制研究。现有研究多聚焦二者直接关系,本文引入融资约束作为中介变量,揭示了投资规模影响企业绩效的间接传导路径,完善了三者的链式研究框架,弥补了现有研究的不足。
2. 拓展了融资约束的中介应用场景。本文证实融资约束能够承接企业投资行为的经济效应,在实体企业资源配置与绩效增长中发挥桥梁作用,为融资约束的中介机制研究提供了新的实证证据。
3. 完善了上市公司投资决策的理论体系。本文明确了投资规模、融资约束、企业绩效的内在关联,为实体企业投资提质增效、破解融资困境提供了理论支撑。
(三)实践启示
1. 企业应优化投资布局,保持合理投资规模。企业需结合自身经营状况、行业发展趋势制定科学的投资规划,适度扩大优质项目投资规模,避免盲目扩张或过度投资,通过高效投资优化产能结构、提升核心竞争力,夯实绩效增长基础。
2. 依托有效投资缓解融资约束。企业应通过持续合规的投资行为,向资本市场传递积极经营信号,规范财务信息披露,降低信息不对称程度,提升金融机构授信意愿,拓宽融资渠道、降低融资成本,破解资金制约难题。
3. 构建“投资-融资-绩效”协同发展体系。企业需统筹投资决策与融资管理,以合理投资改善融资环境,以充足资金支撑高效投资,形成投资优化、融资纾困、绩效提升的良性循环,实现企业长期稳健发展。
(四)研究局限与未来展望
本文研究存在一定局限性:第一,本文仅从整体层面验证了融资约束的中介效应,未区分企业产权性质、行业类型、规模大小的异质性差异,不同类型企业的传导效果可能存在区别;第二,本文仅研究单一中介机制,未考虑调节变量、链式中介等复杂作用路径。
未来研究可进一步细分国有企业、民营企业、制造业、服务业等样本,开展异质性检验;同时可引入企业治理、技术创新等变量,探究多重机制下投资规模对企业绩效的影响,进一步丰富相关研究体系。
